Компания Anthropic представила в инструменте Claude Code функцию динамических рабочих процессов (dynamic workflows), позволяющую модели координировать работу сотен параллельных суб-агентов для выполнения сложных задач. Обновление доступно в режиме исследовательского превью с 28 мая 2026 года.
Anthropic добавила в Claude Code — инструмент для автоматизации программирования на базе модели Claude — возможность динамического управления рабочими процессами. Новая функция позволяет модели самостоятельно генерировать сценарий оркестрации и запускать множество параллельных суб-агентов для решения комплексных задач, таких как миграция кода или анализ сотен тестовых флагов.
По словам сотрудника Anthropic Луна Вана (Lun Wang), динамические рабочие процессы позволили компании за менее чем 10 минут обработать сотни A/B-тестов, которые ранее требовали последовательного анализа. «Вместо того чтобы ждать, пока Claude Code исследует каждый тест по очереди, динамические процессы позволили обработать их параллельно», — отметил Ван.
Функция активируется упоминанием ключевого слова «workflow» в промпте. Модель Claude 4.8 (Opus) самостоятельно разрабатывает план оркестрации, распределяет задачи между суб-агентами и проверяет результаты перед выдачей итогового отчёта. Как утверждает сотрудник Anthropic Алекс Чжан (Alex Zhang), это первый случай, когда передовая языковая модель целенаправленно обучалась для работы в качестве «рекурсивной языковой модели» (RLM) — концепции, описанной в одноимённой научной работе.
Разработчики уже тестируют аналогичные решения с открытым исходным кодом. Исследователь Грэм Нойбиг (Graham Neubig) из Университета Карнеги — Меллон опубликовал реализацию динамических рабочих процессов для повышения тестового покрытия репозиториев, совместимую с различными бэкендами. Однако, как предупреждает инженер Элвис Саравиа (Elvis Saravia), эффективность таких систем ограничивается высоким потреблением токенов и потенциальными затратами на масштабирование.
Концепция RLM, на которую ссылаются в Anthropic, предполагает создание иерархических систем из языковых моделей, где одна модель координирует работу других. Омар Хаттаб (Omar Khattab), автор оригинальной работы по RLM, отметил, что команда Anthropic неоднократно признавала влияние этой идеи на свои разработки.